論文の概要: Distribution-free root cause analysis

• arxiv url: http://arxiv.org/abs/2605.21627v1
• Date: Wed, 20 May 2026 18:40:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-22 16:35:41.958467
• Title: Distribution-free root cause analysis
• Title（参考訳）: 分布のない根本原因解析
• Authors: Rohan Hore, Aaditya Ramdas,
• Abstract要約: マルチストリームデータにおける分布自由な根本原因解析について検討し,複数のデータストリームを通して進化する基盤システムを観察する。 根起因指数に対する有限サンプル有効信頼集合を構成する新しいフレームワークである Conformal Root Cause Analysis (CROC) を提案する。
• 参考スコア（独自算出の注目度）: 36.191356601153146
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study distribution-free root cause analysis in multi-stream data, where an evolving underlying system is observed through multiple data streams that may each undergo distributional changes at unknown timepoints. In such settings, the stream exhibiting the earliest change provides a natural starting point for investigating the underlying cause, which we refer to as the root-cause index. Leveraging conformal $p$-values, we propose a novel framework, Conformal Root Cause Analysis (CROC), which constructs finite-sample valid confidence sets for the root-cause index under minimal assumptions: the data streams are independent, and within each stream the pre- and post-change observations are sampled exchangeably from arbitrary and unknown distributions. We further establish a universality property, showing that any distribution-free method for root cause localization can be represented within the CROC framework. In addition, under mild regularity conditions and principled score design, our method yields asymptotically sharp confidence sets that efficiently isolate the root cause. We further extend CROC to efficiently handle cross-stream dependence when present. Extensive simulations demonstrate accurate localization of the root stream, supporting our theoretical guarantees.
• Abstract（参考訳）: マルチストリームデータにおける分布自由な根本原因解析について検討し、複数のデータストリームを通して進化する基盤システムを観測し、それぞれ未知の時点における分布変化を観測する。 このような設定では、最初期の変化を示すストリームは、根本原因を調査するための自然な出発点となる。 コンフォーマルな$p$-値を活用することで,データストリームは独立であり,各ストリーム内では事前および変更後の観測は任意の分布と未知の分布から交換可能にサンプリングされるという,最小の仮定の下で,根元指数に対する有限サンプル有効信頼セットを構成する新しいフレームワークであるConformal Root Cause Analysis (CROC)を提案する。 我々はさらに普遍性特性を確立し、根本原因の分布自由化はCROCフレームワーク内で表現可能であることを示す。 また, 厳密な規則性条件と原理的スコア設計では, 根本原因を効率的に分離する漸近的に鋭い信頼セットが得られる。 さらにCROCを拡張して,現在までのストリーム依存性を効率的に処理する。 大規模シミュレーションではルートストリームの正確な位置化が示され、理論的な保証が裏付けられている。

関連論文リスト

• Debiased Counterfactual Generation via Flow Matching from Observations [4.188178237487111]
  介入下での対物分布の推定は、治療リスク評価と対物生成タスクの中心である。 標準的な仮定では、観察結果と反事実結果の分布は密接なリンクがあることが示される。 これらの特性は、スクラッチからではなく、観測分布から切り離された流れを通じて学習の反事実分布を動機付けている。
  論文  参考訳（メタデータ） (2026-05-08T12:35:21Z)
• Decoupling the Effect of Chain-of-Thought Reasoning: A Human Label Variation Perspective [60.45433515408158]
  長いチェーン・オブ・ソート(CoT)がトップオプションの決定的決定要因となるが、あいまいなタスクの粒度分布キャリブレータとして機能しないことを示す。 CoTは分布アライメントを改善するが、CoTの内容によって最終的な精度が決定される。
  論文  参考訳（メタデータ） (2026-01-06T16:26:40Z)
• Statistical Analysis of Conditional Group Distributionally Robust Optimization with Cross-Entropy Loss [16.1456465253627]
  本研究では、複数のソースドメインからラベル付きデータを入手でき、対象ドメインからラベルなしデータのみを観測できるマルチソース非教師付きドメイン適応について検討する。 本稿では,情報源領域からの条件付き結果分布の凸結合を最小化することにより,分類器を学習するグループ分散条件最適化フレームワークを提案する。 実験的なCG-DRO推定器の高速な統計的収束速度を,理論ブリッジとして機能する2つの代理極小最適化問題を構築することにより確立する。
  論文  参考訳（メタデータ） (2025-07-14T04:21:23Z)
• Generative Assignment Flows for Representing and Learning Joint Distributions of Discrete Data [2.6499018693213316]
  離散確率変数の結合確率分布の表現のための新しい生成モデルを提案する。 このアプローチでは、分解分布の統計部分多様体上のランダム化代入フローによる測度輸送を用いる。
  論文  参考訳（メタデータ） (2024-06-06T21:58:33Z)
• Understanding Contrastive Learning via Distributionally Robust Optimization [29.202594242468678]
  本研究は,類似のセマンティクス(ラベルなど)を負のサンプルとして含むサンプリングバイアスに対するコントラッシブラーニング(CL)の固有の耐性を明らかにする。 本研究は,分散ロバスト最適化 (DRO) のレンズを用いてCLを解析することにより,この研究ギャップを橋渡しし,いくつかの重要な知見を得る。 また, CLの過保守性や異常値に対する感受性などの潜在的な欠点を同定し, これらの問題を緩和するための新しいAdjusted InfoNCE損失(ADNCE)を導入する。
  論文  参考訳（メタデータ） (2023-10-17T07:32:59Z)
• Policy Evaluation in Distributional LQR [70.63903506291383]
  ランダムリターンの分布を閉形式で表現する。 この分布は有限個の確率変数で近似できることを示す。 近似回帰分布を用いて,リスク・アバースLQRに対するゼロ階ポリシー勾配アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-03-23T20:27:40Z)
• Disentanglement of Correlated Factors via Hausdorff Factorized Support [53.23740352226391]
  本稿では,因子分布ではなく,因子化支援を助長する緩やかな解離基準,HFS(Hausdorff Factorized Support)基準を提案する。 本研究では,HFSを用いることにより,様々な相関設定やベンチマークにおいて,接地構造因子の絡み合いと回復が一貫して促進されることを示す。
  論文  参考訳（メタデータ） (2022-10-13T20:46:42Z)
• Which Invariance Should We Transfer? A Causal Minimax Learning Approach [18.71316951734806]
  本稿では、因果的観点からの包括的ミニマックス分析について述べる。 最小の最悪のリスクを持つサブセットを探索する効率的なアルゴリズムを提案する。 本手法の有効性と有効性は, 合成データとアルツハイマー病の診断で実証された。
  論文  参考訳（メタデータ） (2021-07-05T09:07:29Z)
• Localisation in quasiperiodic chains: a theory based on convergence of local propagators [68.8204255655161]
  局所プロパゲータの収束に基づく準周期鎖に最も近いホッピングを持つ局所化の理論を提示する。 これらの連続分数の収束、局所化、あるいはその欠如を分析することは可能であり、それによって臨界点とモビリティエッジが帰結する。 結果は、振る舞いの範囲をカバーする3つの準周期モデルの理論を分析することで実証される。
  論文  参考訳（メタデータ） (2021-02-18T16:19:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。